train_texture_inspection_model -训练纹理检查模型
简短描述
train_texture_inspection_model -训练纹理检查模型
签名
train_texture_inspection_model( : : TextureInspectionModel : )
描述
Train_texture_inspection_model使用add_texture_inspection_model_image添加的所有训练图像来训练纹理检测模型。
完整的纹理检查过程与图像金字塔工作。金字塔的深度由参数` num_levels `决定(如果明确设置了级别，则为ValRef{'levels'})。在训练的第一步，提取纹理特征并添加到每个金字塔级别的训练样本集。对于每个金字塔层，用对应金字塔层的所有训练样本确定高斯混合模型(GMM)分类器。第三步，使用训练样本来确定每个金字塔级别的新阈值。下面对这三个训练步骤进行详细讲解:特征提取为训练图像中的每个像素提取一个特征。纹理特征是根据'patch_*'参数的设置来计算的，该参数可以通过set_texture_inspection_model_param进行操作。每个纹理特征被添加到GMM的训练数据中。在GMMs的训练过程中，从训练数据中计算出最佳的` gmm_* `参数。单个gmm的尺寸由特征补丁的大小决定。详情请参考set_texture_inspection_model_param。对于大尺寸的贴片，获得最佳GMM参数的良好近似是极其困难的。此外，运行时和内存使用也会显著增加。因此，我们建议谨慎修改默认补丁大小。
关于GMM分类器的更多信息可以在操作符create_class_gmm的描述中找到。
求新阈值的计算要求能够区分有缺陷和无缺陷的纹理。首先，根据步骤2中确定的gmm确定每个训练样本的新颖性得分。然后，基于得到的新颖性分数，为每个金字塔层确定新颖性阈值。新颖性阈值的自动确定可能会受到参数“灵敏度”的影响，该参数可以用set_texture_inspection_model_param设置。训练成功后，就可以用apply_texture_inspection_model对图像进行分类。每个像素被赋予一个“新颖性分数”，并与在第三步训练中确定的新颖性阈值进行比较。为了获得最佳结果，可以使用set_texture_inspection_model_param调整单个金字塔级别的新阈值。一般来说，除了` gen_result_handle `和` sensitivity `之外，所有参数的操作都需要对纹理检测模型进行重新训练。根据训练的哪一部分受到相应参数的影响，要么整个训练，要么仅单个步骤需要重新计算。这可能会导致重新训练纹理检测模型所需的时间发生很大变化。set_texture_inspection_model_param中详细说明了哪些参数影响算法的哪些部分。
参数
texture[文]_inspec[章]tionmod[来]el (input_[自]control[网], state is modifie[淘]d)&rarr[巴];(integ[文]er)
纹理检查模型的句柄。
例程
返回结果
微信扫一扫，打赏作者吧～本文链接：https://www.wtao8.com/post/238.html 转载需授权！
